Summary

Измерение стоимости переключения при использовании смартфона во время ходьбы

Published: April 30, 2020
doi:

Summary

Этот дизайн исследования измеряет стоимость переключения задач при использовании смартфона во время ходьбы. Участники проходят два экспериментальных условия: контрольное условие (ходьба) и условие многозадачности (текстовые сообщения во время ходьбы). Участники переключаются между этими задачами и задачей, определяющей направление. Записываются данные ЭЭГ, а также поведенческие показатели.

Abstract

В этой статье представлен протокол исследования для измерения стоимости переключения задач при использовании смартфона во время ходьбы. Этот метод включает в себя то, что участники ходят по беговой дорожке в двух экспериментальных условиях: контрольном условии (то есть просто ходьба) и условии многозадачности (т. Е. Текстовые сообщения во время ходьбы). В этих условиях участники должны переключаться между задачами, связанными с экспериментальным состоянием, и задачей, определяющей направление. Это задание на направление выполняется с помощью фигуры ходока с точечным светом, казалось бы, идущей влево или вправо от участника. Выполнение задачи направления представляет собой затраты участника на переключение задач. Было два показателя эффективности: 1) правильная идентификация направления и 2) время отклика. Данные ЭЭГ записываются для измерения альфа-колебаний и когнитивного взаимодействия, происходящих во время переключения задачи. Этот метод ограничен в своей экологической обоснованности: пешеходная среда имеет много стимулов, возникающих одновременно и конкурирующих за внимание. Тем не менее, этот метод подходит для точного определения затрат на переключение задач. Данные ЭЭГ позволяют изучать основные механизмы в мозге, которые связаны с различными затратами на переключение задач. Эта конструкция позволяет сравнивать переключение задач при выполнении одной задачи за раз по сравнению с переключением задач при многозадачности до представления стимула. Это позволяет понять и точно определить как поведенческое, так и нейрофизиологическое воздействие этих двух различных состояний переключения задач. Кроме того, соотнося затраты на переключение задач с активностью мозга, мы можем узнать больше о том, что вызывает эти поведенческие эффекты. Этот протокол является подходящей базой для изучения стоимости переключения различных видов использования смартфонов. Различные задачи, анкеты и другие меры могут быть добавлены к нему, чтобы понять различные факторы, связанные с затратами на переключение задач при использовании смартфона во время ходьбы.

Introduction

Поскольку как проникновение смартфонов, так и тенденция к многозадачности растут, важно понимать, какое влияние использование смартфона во время ходьбы оказывает на внимание. Литература неоднократно демонстрировала, что переключение задач стоит1, включая использование смартфона во время ходьбы. Исследования показали, что использование смартфона во время ходьбы может быть отвлекающим и опасным 2,3,4. Эти опасности были связаны с нарушениями внимания при выполнении такой задачи 3,4,5,6,7. Из-за сложного характера пешеходной среды изучение ее в экспериментальном контексте, который является экологически обоснованным, может быть проблематичным. Тем не менее, проведение таких исследований в реальной пешеходной среде может иметь свои собственные осложнения, потому что многие посторонние переменные могут вступить в игру, и существует риск причинения вреда участнику из-за отвлекающих факторов. Важно уметь изучать такое явление в относительно безопасной среде, которая остается максимально реалистичной. В этой статье мы описываем методологию исследования, которая изучает стоимость переключения задач текстовых сообщений во время ходьбы, одновременно повышая обоснованность задачи и смягчая потенциальные риски.

При использовании смартфона во время ходьбы люди вынуждены переключаться с задач смартфона на ходьбу и задачи, связанные с окружающей средой. Следовательно, чтобы изучить такое явление, мы сочли уместным сформулировать этот метод в литературе по многозадачности, специально ориентированной на парадигму переключения задач. Для этого использовалась парадигма переключения задач1, в которой участники переключались между задачей до стимулирования и задачей после стимулирования. Одна из двух задач, предшествующих стимулированию, включала многозадачность, в то время как другая — нет. В постстимулирующей задаче участники должны были реагировать на стимул, на восприятие которого влияет разделенное внимание8. Более того, экспериментальные лабораторные исследования, которые пытаются быть как можно более экологически обоснованными, часто использовали виртуальную пешеходную среду, чтобы понять влияние на внимание использования смартфона во время ходьбы 4,9. Тем не менее, чтобы охватить основные нейрофизиологические механизмы, мы решили сосредоточиться на конкретной реакции переключения задач на один стимул, чтобы свести к минимуму количество стимулов, на которые участники должны были реагировать. Таким образом, мы можем более точно определить стоимость переключения задач, исходящую исключительно от переключения внимания со смартфона на стимул. В нашем дизайне исследования мы используем поведенческие показатели (т. Е. Стоимость переключения задач) и нейрофизиологические данные, чтобы лучше понять нарушения внимания, обнаруженные во время использования смартфона пешеходом.

Во время эксперимента по переключению задач участники обычно выполняли по крайней мере две простые задачи, относящиеся к набору стимулов, причем каждая задача требовала отдельного набора когнитивных ресурсов, называемых «набором задач»1. Когда люди вынуждены переключаться между задачами, их умственные ресурсы должны адаптироваться (т.е. торможение предыдущего набора задач и активация текущего набора задач). Считается, что этот процесс «перенастройки набора задач» является причиной затрат на переключение задач1. Стоимость переключения задач обычно определяется путем наблюдения за различиями во времени отклика и / или частоте ошибок между испытаниями, где участники переключаются между задачами, и теми, где они не10. В нашем эксперименте у нас было три набора задач: 1) реакция на стимул точечного ходунка; 2) текстовые сообщения на смартфоне во время ходьбы; и 3) просто ходить. Мы сравнили стоимость переключения между двумя различными условиями: 1) просто ходить до того, как реагировать на стимул, и 2) ходить во время текстовых сообщений перед ответом. Таким образом, мы зафиксировали стоимость многозадачности на смартфоне до переключения задачи и смогли напрямую сравнить ее со стоимостью переключения без многозадачности простой ходьбы до появления визуального стимула. Поскольку смартфон, используемый в этом исследовании, был определенной марки, все участники были проверены перед экспериментом, чтобы убедиться, что они знают, как правильно использовать устройство.

Для того, чтобы смоделировать реалистичный опыт, представляющий пешеходный контекст, мы решили использовать фигуру точечного ходока в качестве визуального стимула, представляющую человеческую форму, идущую с углом отклонения 3,5° влево или вправо от участника. Эта фигура состоит из 15 черных точек на белом фоне, с точками, представляющими голову, плечи, бедра, локти, запястья, колени и лодыжки человека (рисунок 1). Этот стимул основан на биологическом движении, что означает, что он следует схеме движения, которая типична для людей и животных11. Кроме того, этот стимул является более чем экологически обоснованным; он требует сложной визуальной обработки и внимания для успешного анализа12,13. Интересно, что Thornton et al.8 обнаружили, что на правильную идентификацию точечного направления ходунков сильно влияет разделенное внимание, что делает его подходящим в качестве показателя производительности при изучении затрат на переключение задач при многозадачности. Участников попросили устно изложить направление, в котором фигура шла. Появлению ходунка всегда предшествовал слуховой сигнал, сигнализирующий о его появлении на экране.

Выполнение задачи «точечный ходунок» и нейрофизиологические данные позволили нам определить влияние внимания обоих состояний и помочь определить, что их вызвало. Производительность измерялась путем изучения частоты ошибок и времени отклика при определении направления фигуры точечного ходунка. Чтобы понять основные когнитивные и внимательные механизмы, связанные с нарушениями внимания, которые мы обнаружили с помощью показателя производительности, мы оценили нейрофизиологические данные участников с использованием EEG actiCAP с 32 электродами. ЭЭГ является подходящим инструментом с точки зрения временной точности, что важно при попытке увидеть, что вызывает плохую производительность в определенные моменты времени (например, появление фигуры точечного ходунка), хотя артефакты могут присутствовать в данных из-за движений. При анализе данных ЭЭГ особенно актуальны два показателя: 1) альфа-колебания; и 2) когнитивное взаимодействие. Исследования показали, что альфа-колебания могут представлять собой контроль рабочей памяти, а также активное ингибирование нерелевантных мозговых цепей 14,15,16,17. Сравнивая альфа-колебания на исходных уровнях с теми, которые происходят с представлением стимула18,19, мы получили альфа-отношение. С помощью этого соотношения мы определили изменения, связанные с событиями, которые могут лежать в основе нарушения внимания, наблюдаемого при текстовых сообщениях во время ходьбы. Что касается когнитивной активности, Pope et al.20 разработали индекс, в котором бета-активность представляет собой повышенное возбуждение и внимание, а альфа- и тета-активность отражают снижение возбуждения и внимания21,22. Этот анализ был сделан, чтобы определить, усложнит ли увеличение вовлеченности до появления стимула реконфигурацию поставленной задачи, необходимую для того, чтобы реагировать на фигуру ходунков.

С помощью методологии, описанной в этой статье, мы стремимся понять основные механизмы, которые влияют на производительность переключения задач у участников, участвующих в многозадачных эпизодах. Состояние ходьбы представляет собой немногозадачную производительность переключателя задач, которая сравнивается с производительностью многозадачного переключателя задач (т. Е. Текстовые сообщения во время ходьбы). Измеряя роли торможения постановки задач и активации набора задач, мы стремились лучше понять затраты на переключение, которые возникают при отправке текстовых сообщений во время ходьбы. Уместно отметить, что первоначальное исследование проводилось в иммерсивной виртуальной среде23 , но позже было воспроизведено в экспериментальной комнате (см. Рисунок 2) с проектором, отображающим фигуру ходока на экране перед участником. Поскольку эта виртуальная среда больше не доступна, протокол был адаптирован к текущему дизайну экспериментальной комнаты.

Protocol

Прежде чем начать сбор данных, важно получить все необходимые этические одобрения исследований для людей-участников. Это должно быть сделано через соответствующие наблюдательные советы и/или комитеты по рассмотрению участников-людей. Этот протокол был одобрен и сертиф…

Representative Results

Этот протокол исследования первоначально проводился с 54 участниками, каждый из которых ответил на 88 направленных испытаний. Половина этих испытаний произошла, когда участники просто шли до презентации стимула; другая половина произошла, когда участники переписывались во время ходьбы…

Discussion

Критическим выбором при использовании протокола будет обеспечение качества нейрофизиологических данных. Существует неотъемлемая сложность использования такого инструмента, как ЭЭГ во время движения, потому что чрезмерное движение может создать много шума в данных. Поэтому важно ра?…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Авторы признают финансовую поддержку Совета по исследованиям в области социальных и гуманитарных наук Канады (SSHERC).

Materials

The Observer XT Noldus Integration and synchronization software: The Noldus Observer XT (Noldus Information Technology) is used to synchronize all behavioral, emotional and cognitive engagement data.
MediaRecorder Noldus Audio and video recording software
FaceReader Noldus Software for automatic analysis of the 6 basic facial expressions
E-Prime Psychology Software Tools, Inc. Software for computerized experiment design, data collection, and analysis
BrainVision Recorder Brain Vision Software used for recording neuro-/electrophysiological signals (EEG in this case)
Analyzer EEG signal processing software
Qualtrics Qualtrics Online survey environment
Tapis Roulant ThermoTread GT Office Treadmill
Syncbox Noldus Syncbox start the co-registration of EEG and gaze data by sending a Transistor-Transistor Logic (TTL) signal to the EGI amplifier and a keystroke signal to the Tobii Studio v 3.2.
Move2actiCAP Brain Vision Add-on for a digital wireless system for EEG
iPhone 6s Apple
iMessage Apple
iPad Apple

References

  1. Monsell, S. Task switching. Trends in Cognitive Sciences. 7 (3), 134-140 (2003).
  2. Haga, S., et al. Effects of using a Smart Phone on Pedestrians’ Attention and Walking. Procedia Manufacturing. 3, 2574-2580 (2015).
  3. Hatfield, J., Murphy, S. The effects of mobile phone use on pedestrian crossing behaviour at signalised and unsignalised intersections. Accident Analysis, Prevention. 39 (1), (2007).
  4. Stavrinos, D., Byington, K. W., Schwebel, D. C. Distracted walking: Cell phones increase injury risk for college pedestrians. Journal of Safety Research. 42 (2), 101-107 (2011).
  5. Nasar, J., Hecht, P., Wener, R. Mobile telephones, distracted attention, and pedestrian safety. Accident Analysis, Prevention. 40 (1), 69-75 (2008).
  6. Hyman, I. E., Boss, S. M., Wise, B. M., McKenzie, K. E., Caggiano, J. M. Did you see the unicycling clown? Inattentional blindness while walking and talking on a cell phone. Applied Cognitive Psychology. 24 (5), 597-607 (2010).
  7. Pourchon, R., et al. Is augmented reality leading to more risky behaviors? An experiment with pokémon go. Proceedings of the International Conference on HCI in Business, Government, and Organizations. , 354-361 (2017).
  8. Thornton, I. M., Rensink, R. A., Shiffrar, M. Active versus Passive Processing of Biological Motion. Perception. 31 (7), 837-853 (2002).
  9. Neider, M. B., McCarley, J. S., Crowell, J. A., Kaczmarski, H., Kramer, A. F. Pedestrians, vehicles, and cell phones. Accident Analysis, Prevention. 42, 589-594 (2010).
  10. Wylie, G., Allport, A. Task switching and the measurement of “switch costs”. Psychological Research. 63 (3-4), 212-233 (2000).
  11. Johansson, G. Visual perception of biological motion and a model for its analysis. Perception, Psychophysics. 14 (2), 201-211 (1973).
  12. Cavanagh, P., Labianca, A. T., Thornton, I. M. Attention-based visual routines: Sprites. Cognition. 80 (1-2), 47-60 (2001).
  13. Troje, N. F. Retrieving Information from Human Movement Patterns. Understanding Events. , 308-334 (2008).
  14. Klimesch, W. EEG alpha and theta oscillations reflect cognitive and memory performance: A review and analysis. Brain Research Reviews. 29 (2-3), 169-195 (1999).
  15. Jensen, O., Gelfand, J., Kounios, J., Lisman, J. E. Oscillations in the Alpha Band (9-12 Hz) Increase with Memory Load during Retention in a Short-term Memory Task. Cerebral Cortex. 12 (8), 877-882 (2002).
  16. Busch, N. A., Herrmann, C. S. Object-load and feature-load modulate EEG in a short-term memory task. NeuroReport. 14 (13), 1721-1724 (2003).
  17. Herrmann, C. S., Senkowski, D., Röttger, S. Phase-Locking and Amplitude Modulations of EEG Alpha. Experimental Psychology. 51 (4), 311-318 (2004).
  18. Pfurtscheller, G., Aranibar, A. Event-related cortical desynchronization detected by power measurements of scalp EEG. Electroencephalography and Clinical Neurophysiology. 42 (6), 817-826 (1977).
  19. Sauseng, P., et al. EEG alpha synchronization and functional coupling during top-down processing in a working memory task. Human Brain Mapping. 26 (2), 148-155 (2005).
  20. Pope, A. T., Bogart, E. H., Bartolome, D. S. Biocybernetic system evaluates indices of operator engagement in automated task. Biological Psychology. 40 (1-2), 187-195 (1995).
  21. Scerbo, M. W., Freeman, F. G., Mikulka, P. J. A brain-based system for adaptive automation. Theoretical Issues in Ergonomics Science. 4 (1-2), 200-219 (2003).
  22. Charland, P., et al. Assessing the Multiple Dimensions of Engagement to Characterize Learning: A Neurophysiological Perspective. Journal of Visualized Experiments. (101), e52627 (2015).
  23. Courtemanche, F., et al. Texting while walking: An expensive switch cost. Accident Analysis, Prevention. 127, 1-8 (2019).
  24. Townsend, J. T., Ashby, F. G. . The stochastic modeling of elementary psychological processes. , (1983).
  25. Jung, T., et al. Removal of eye activity artifacts from visual event-related potentials in normal and clinical subjects. Clinical Neurophysiology. 111, 1745-1758 (2000).
  26. Luck, S. J. . An Introduction to the Event-related Potential Technique (Cognitive Neuroscience). , (2005).
  27. Steiger, J. H. Tests for comparing elements of a correlation matrix. Psychological Bulletin. 87 (2), 245-251 (1980).
  28. Léger, P. -. M., Davis, F., Riedl, R., vom Brocke, J., Léger, P. -. M., Randolph, A., Fischer, T. H., et al. Task Switching and Visual Discrimination in Pedestrian Mobile Multitasking: Influence of IT Mobile Task Type. Information Systems and Neuroscience: Vienna Retreat on NeuroIs 2019. , 245-251 (2020).
  29. Mourra, G. N. . Addicted to my smartphone: what factors influence the task-switching cost that occurs when using a smartphone while walking. , (2019).
  30. Schabrun, S. M., van den Hoorn, W., Moorcroft, A., Greenland, C., Hodges, P. W. Texting and walking: strategies for postural control and implications for safety. PloS One. 9 (1), 84312 (2014).

Play Video

Cite This Article
Mourra, G. N., Brieugne, D., Rucco, E., Labonté-Lemoyne, É., Courtemanche, F., Sénécal, S., Fredette, M., Cameron, A., Faubert, J., Lepore, F., Bellavance, F., Léger, P. Measuring the Switch Cost of Smartphone Use While Walking. J. Vis. Exp. (158), e60555, doi:10.3791/60555 (2020).

View Video